Procedimiento adaptativo inspirado en la función que los cetáceos desarrollan para navegar bajo el agua e identificar presas, busca que el sistema reconfigure automáticamente sus parámetros de resolución para mejorar el proceso productivo, cuando se detectan rendimientos deficientes.

27.10.20

Los académicos Ricardo Soto, Broderick Crawford, César Carrasco y Hanns de la Fuente-Mella de la Pontificia Universidad Católica de Valparaíso (PUCV), junto a destacados especialistas de las universidades de Valparaíso, Técnica Federico Santa María, Diego Portales y del Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional de México de Tamaulipas, publicaron el artículo científico "A reactive population approach on the dolphin echolocation algorithm for solving cell manufacturing systems", donde presentaron los resultados de un estudio basado en la aplicación de un procedimiento adaptativo basado en un algoritmo de ecolocalización de los delfines, orientado a optimizar el sistema de producción por celdas.

Al respecto, es importante explicar que cada celda que integra el sistema productivo mencionado, está compuesta por una o varias máquinas diferentes que realizan determinadas tareas con el objetivo de trabajar lo más rápido posible y hacer una amplia variedad de productos similares minimizando las pérdidas. Este sistema basado en un conjunto de máquinas automatizadas, es muy flexible y permite realizar cambios y ajustes de distinta envergadura y de manera muy rápida y precisa.

En este contexto, la publicación realizada en la prestigiosa revista indexada en WoS/Q1: "Mathematics", considera la aplicación de un procedimiento adaptativo de optimización que, a partir de un algoritmo de ecolocalización basado en la función que los delfines desarrollan para navegar bajo el agua e identificar presas, permite reconfigurar automáticamente los parámetros de resolución cuando se detectan rendimientos deficientes en el proceso productivo.

"Es necesario ir más allá de la utilización de métodos exactos clásicos como la programación lineal para alcanzar mejores resultados. Por ello y desde la perspectiva de la optimización, estamos desarrollando nuevas técnicas que nos permitan determinar de manera más eficiente, cuáles son los parámetros que nos permiten alcanzar el valor óptimo global en menor tiempo y utilizando menos recursos. Por esta razón y considerando que no todos los problemas a resolver son pequeños, estamos convencidos que las metaheurísticas funcionan con éxito cuando se necesita un equilibrio entre el tiempo de resolución y las buenas soluciones", explicó Broderick Crawford.

"Nos hemos enfocado en la tecnología de grupos que propone organizar las industrias en celdas de manufactura, donde cada una contiene diferentes máquinas que procesan las partes de un producto en particular. El objetivo es diseñar un layout de celdas de tal manera que el movimiento de partes entre éstas sea minimizado. Esto permite mejorar la producción en términos de eficiencia, flexibilidad y por ende reducir costos en la industria manufacturera. Usando pruebas estadísticas paramétricas y no paramétricas, demostramos que el enfoque propuesto resuelve de manera eficiente la gran mayoría de los procesos de fabricación estudiados", señaló Ricardo Soto.

"Esta investigación se enmarca en una serie de trabajos que estamos realizando como grupo. De esta forma, en proyectos como "Investigación Interdisciplinaria de Pregrado", "Núcleo de Investigación en Data Analytics" y "Fondecyt", entre otros, ocupamos una metodología basada en la extracción de patrones de datos públicos, históricos y documentales que, gracias al uso de herramientas como la ciencia de datos, machine learning y optimización (metaheurísticas), nos ha permitido identificar factores determinantes, conductuales, riesgosos o de oportunidades, con la finalidad de analizar, optimizar, proyectar escenarios futuros y/o predecir acontecimientos no conocidos, a través del estudio de grandes volúmenes de datos", detalló Hanns de la Fuente-Mella.

El equipo de investigación a cargo del estudio - integrado por Ricardo Soto, Broderick Crawford y César Carrasco (Escuela de Ingeniería Informática PUCV); Hanns de la Fuente-Mella (Escuela de Comercio PUCV); Rodrigo Olivares (Escuela de Ingeniería Informática UV); Eduardo Rodríguez-Tello (Cinvestav, Tamaulipas, México); Carlos Castro (Departamento de Informática UTFSM); y Fernando Paredes (Escuela de Ingeniería Industrial UDP) - coincidió en la necesidad de continuar este trabajo, experimentando con enfoques autoadaptativos en algoritmos bioinspirados y, de esta manera, proporcionar una comparación más amplia de técnicas, para resolver y optimizar la formación de celdas en este tipo de sistema productivo.

Por Marcelo Vásquez, Periodista VRIEA PUCV / marcelo.vasquez@pucv.cl